0回答
我正在对包含“特朗普”一词的推文进行情绪分析。precision', 'predicted', average, warn_for)
我的分类器(逻辑回归和朴素贝叶斯)无法准确地对正标签进行分类，其中正= 1，这使得我的评估指标定义不明确。在200条推文中，有43条是正面的，但我的分类器将所有200条推文都归类为负面。我该怎么解决这个
浏览 4提问于2016-12-19得票数 0
我在为多类分类器寻找一个很好的误差度量，很多人说通常使用F1度量。但是，考虑到多类分类器的预测是一个热点向量，这不意味着当预测错误时没有真正的积极因素吗？我的意思是：
当预测
浏览 0提问于2018-05-05得票数 2
我想为词义消歧计算精确性和回忆性。当然，我需要计算tp，tn，fp和fn。我知道tp是测试语句的标记等于分类器标记的文档数，fn是测试语句标记与分类器发现的标记不相等的文档数。我看不到比我上面描述的两种情况更多的情况了。例如，我的测试语句如下所示：
第一句: word1 word2 word3 word4 ta
浏览 3提问于2016-11-11得票数 0
回答已采纳
1回答
我分别使用CountVectorizer和TfidfVectorizer对文本进行矢量化，即100 K的评论，并将向量数据传递给决策树分类器。在使用决策树分类器的_feature_importances__属性时，所有特性的特征重要性值仅为0.0。我尝试过的其他事情: 1.我尝试在countvectorizer 2中更改ngram_range。我尝试限制/不限制在coun
浏览 0提问于2019-01-04得票数 0
回答已采纳
1回答
我有一个包含标题和情绪与这些标题相关的数据集。标题已经从另一个更大的数据集中筛选出来，使用以下标准:保留那些具有非常负面或非常积极情绪的内容。最后，我有一个数据集，有一个非常正面的和非常负面的情绪标题。
我的目标是利用tf和keras创建一个深度学习分类器，将新的观察分为三类:积极情绪、消极情绪和中性情绪。换句话说，我的目标是使
浏览 0提问于2020-10-16得票数 0
Google 帖子给出了一个有趣的解释:真阳性，真阴性，假阳性，假阴性
真实的积极(TP)：现实:狼受到威胁。谢泼德说：“狼。”结果:牧羊人是个英雄。真实否定(TN)：现实:没有狼的威胁。谢泼德说：“没有狼。”结果:每个人都很好。假阳性(FP)：现实:没有狼的威胁。谢泼德说：“狼。”结果:村民们对牧羊人叫醒他们感到愤怒。假阴性(FN)：现实:狼受到威胁。谢泼德说：“没有狼。”在CV上下文中，分类器<
浏览 0提问于2019-07-23得票数 1
回答已采纳
2回答
我有测试数据集。数据集是不平衡的数据集。数据集的培训实例总数为543个，其中少数类(是)为75个，多数类(编号)为468个。兴趣的阶级是少数人阶级(是的)。我使用朴素贝叶斯分类器进行预测。我得到的混乱矩阵33 391 77 42
No class的实例总数为468，分类器真正将391个
浏览 0提问于2022-09-10得票数 3
回答已采纳
1回答
我想做情绪分析与3类(积极，中立，和消极)。我看到了很多关于情绪分析的工作，包括两类(积极和消极)，但3类就更少了。如果我想使用一种单词包方法和一个分类器，如Logistic回归或Scikit学习中的SVMs，这将如何工作呢？对于我的输出来说，用3个类来预测的步骤是什么？我是否必须将每个<em
浏览 4提问于2017-11-15得票数 1
回答已采纳
1回答
我使用预先训练过的VGG19对一个有四个类的数据集进行分类。：其中我得到了一个矩阵，它有4行4列，因为我有4个类。，那么我的困惑是，我得到了不同的精度从两个方法的Eq 1和Eq 3。所以，MATLAB是在做错误的事情(<
浏览 0提问于2018-04-12得票数 0
回答已采纳
大多数在线教程喜欢使用一个简单的示例来介绍机器学习，方法是对垃圾邮件中的未知文本进行分类或不对垃圾邮件进行分类。他们说这是二进位问题。但是为什么这是一个二元类的问题呢？我认为这是一个单级问题！我只需要我的收件箱积极样本，以了解什么不是垃圾邮件。如果我确实把一堆非垃圾短信作为阳性样本，一堆垃圾邮件作为否定样本，那么当然可以训练二进制分类器<
浏览 0提问于2014-10-29得票数 4
回答已采纳
我在Python中做一个分类任务，将不同乐器的音频文件分类到它们各自的类中，在我的例子中，有4个类，分别是Brass、String、Percussion和which。我使用了3种不同的算法，k-最近邻算法、朴素贝叶斯算法和支持向量机算法.我的代码看起来有点像这样：X_train, X
浏览 0提问于2018-03-03得票数 0
2回答
对于我所面临的问题，我很难找到任何答案。我正在测试几个文本分类器，它们可以很好地处理适合于任何预定义类别的数据，但是如果我输入"fhjakdlfsah"，它仍然会将它分配给某些类别，因为我认为所有类别的predict_proba功能必须加到1这里有什么东西我遗漏了吗？我很难找到解决这一问题的办法，我认为这是一件很常见的事情。现
浏览 0提问于2021-05-13得票数 1
在我的NLP任务中，我想了解分类器的“规则”。为此，我构建了一个LimeTExtExplainer。，1克，完全符合我的要求。：
在接下来的步骤中，我也想做同样的事情，但是我想使用bigram。我更改了特性提取器，使其仅计算比例尺：
cv = CountVectorizer(strip_accents='asci
浏览 2提问于2021-01-09得票数 1
回答已采纳
1回答
我有4个分类器可用(已经培训)，为4级分类问题。对于给定的数据集，我有每个分类器的输出，以及每个类的召回、精度和F1分数。什么是最好的算法(或现有的算法)结合这些分类器的预测，得到一个单一的最终预测，考虑到一些分类器有更高的</em
浏览 1提问于2017-04-03得票数 0
我正在研究一个机器学习问题。目标是预测客户是否会签署合同，以及他需要多长时间才能签署合同。 因此，我计划如何处理它: 1-训练第一个模型进行分类预测，预测积极的模型。2-仅针对实际签订合同的客户训练二次回归模型，并预测他们的响应时间。3-使用第一个模型，预测正类4-使用第二个模型，预测时间目标，仅基于预测为正的
浏览 15提问于2019-02-02得票数 0
回答已采纳
3回答
我有一个不平衡的数据集，有88个阳性样本和128575个阴性样本。因为这是一个生物数据集，所以我不愿意对这些数据进行过多/欠采样，我不想介绍合成数据。我用这个原始数据集构建了一个随机森林分类器。我的正面课的F1分数是0。零精度。零召回。我反复核对了预测和测试数据。该模型预测了一些积极因素，但实际上没有一个是积极
浏览 0提问于2019-09-25得票数 7
回答已采纳
我用TensorFlow建立了一个基本的顺序神经网络。model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['binary_accuracy', 'AUC'])
我训练了6000个是== 1类，6000个是== 0类。目前，我的网络平等对待每个类别。它同样有可能正确或错误地分类这两个类
浏览 0提问于2023-03-15得票数 1
回答已采纳
我有一个CNN模型，已经训练过了。其训练和验证准确率在99%左右。我保存了这个模型，然后加载它来对测试数据进行预测。当我使用并运行下面的代码时，测试数据包含了4000幅图像(在两个类中的每个类都是2000)，我能够获得大约99%的准确性。但是当我试图通过一个接一个地加载图像来进行预测时，负面类中的所有图像都被正确地分类了，而来自积极类的<
浏览 6提问于2022-03-07得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
